评测数据显示，Qwen3-VL-8B在STEM、VQA、OCR及视频理解等任务中表现卓越，不仅超越Gemini 2.5 Flash Lite与GPT-5 Nano，更可媲美上一代超大尺寸模型Qwen2.5-VL-72B。4B版本则面向端侧应用，具备更高部署性价比。

值得一提的是，两款模型通过架构创新解决了小模型常见的视觉与文本能力“跷跷板”问题，在强化多模态感知能力的同时保持了文本理解的稳健性，实现了视觉精准与文本稳健的协同突破。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。